AI教育如何让个性化练习有据可循

• 新闻频道 记者:董硕 报道

人工智能正在加速进入教育领域。从辅助备课、智能批改到学情分析，技术应用正由提高效率逐步走向对学生学习过程的深入支持。

围绕这一问题，深圳叉子科技基于在全国近千所学校的应用实践，提出“AI循证补缺”概念，试图为课后练习建立一套从发现问题、追溯原因到补练验证的完整路径。

个性化学习的核心堵点：精准学情起点何以难求

因材施教是教育长期追求的核心目标。近年来，教育部要求提高作业设计质量，根据学情布置分层、弹性和个性化作业；《教育强国建设规划纲要（2024-2035年）》提出探索数字赋能大规模因材施教；《“人工智能+教育”行动计划》进一步提出建设学生数字档案，动态优化学习路径。

目标明确，落实到课后练习却并不容易。一个班级有数十名学生，教师要兼顾整体进度与个体差异，很难持续追踪每个人在不同知识点上的变化。作业和测验记录了学生的解题过程，但在有限的时间里，教师往往只能先处理分数、对错和班级共性问题。

人工智能为整理这些信息提供了条件，通过持续采集和分析作答数据，智能教学系统可以帮助教师看到学生多次练习中的表现，发现值得进一步关注的薄弱环节。但看清哪里出错，只是个性化学习的起点；下一步还要判断，究竟应该从哪里补，以及补的效果到底怎么样。

跳出“错题重练”误区：“AI循证补缺”的底层逻辑

同样一道二次函数题做错，两名学生的问题根源可能完全不同：一人没有理解函数性质，另一人则卡在因式分解、方程求解等前置知识环节。如果只根据当前错题推送同类练习，题目做得更多，缺口却可能仍未找到。

在长期参与中小学课后练习数字化的校园实践中，深圳叉子科技发现：个性化练习的关键绝不只是识别错题，而是要找到错误背后的知识成因，并用后续的作答表现检验补缺是否真正有效。

基于这一核心洞察，叉子科技在行业内率先提出“AI循证补缺”理念。“循证”，是以学生真实、连续的作答表现作为学情判断的唯一依据；“补缺”，是沿着知识点之间的前后关联逻辑，定位影响当前学习的薄弱环节，并据此精准匹配练习内容。整个过程围绕三个核心问题展开：为什么错、从哪里补、补过之后是否掌握。

AI循证补缺原理示意图（深圳叉子科技有限公司供图）

与围绕当前错题进行整理和重练的传统错题本不同，“AI循证补缺”将分析范围延伸至完整的前置知识链条。

一次错误可能来自知识缺口，也可能受审题偏差或临场状态影响。因此，判断不能只依赖一次考试或一次作业。系统需要综合作业、试卷、补练和再测中的持续表现，更新学生的学情画像；补练后的新数据还要再次用于验证原有问题是否得到解决。

叉子科技旗下核心产品“全都会AI智教系统”，正是这一理念的核心实践载体。学生保持纸笔作答，系统通过扫描回传作业与试卷，将作答结果与题目、知识点及其前后依赖关系建立深度关联，再结合教育垂类大模型与知识图谱开展精准分析学情。

“全都会”AI智教系统技术框架（深圳叉子科技有限公司供图）

根据分析结果，系统可以生成面向学生个人或不同学习层级群体的补缺练习。学生完成练习后，新的作答数据再次回流系统，用于判断相关知识点的掌握情况是否发生变化。由此，诊断、补缺、再测形成完整的闭环反馈。

呈现具体练习内容的载体被称为“补缺本”，“AI循证补缺”则是决定补什么、怎样补、如何验证效果的方法。

通用大模型已经能够分析单道错题、解释错因并生成练习。教育垂类系统的进一步价值，在于连接教材体系、教学进度和学生长期数据，让分析与补练稳定进入学校日常流程，并为教师判断提供依据。

千校场景验证：真实应用检验技术价值

教育技术的有效性，最终要在真实的教学环境中接受检验。

据统计，目前以“AI循证补缺”为核心逻辑的全都会相关产品，已在全国近千所中小学投入使用，覆盖日常作业、单元练习、阶段测试、专题复习以及分层作业等全场景教学环节。

以数字化教育发展靠前的江苏为例，常熟教育官方于近日发布了辖内昆承中学在人工智能赋能教育领域的出色试点效果，其中全都会的“AI循证补缺”将学生练习、学情反馈与后续学习安排衔接起来，为教师开展针对性指导提供了有力支持。

昆承中学教师使用“全都会”AI智教系统（图源：常熟教育）

此前，常熟市滨江实验中学利用相关系统建立作业数智协同机制，根据学情生成“补缺本”。当地官方披露，推行个性化作业后，学生作业总量减少30%，重复性机械练习占比降至15%以下，作业完成质量达标率升至95%，教师单元教学规划效率提升56%。这一实践还入选江苏省示范创新案例。

这些探索表明，人工智能赋能课后练习，并不意味着增加更多题目，而是将原本留在纸面上的学习信息持续利用，让教师更快找到需要干预的位置，让学生把时间用在尚未掌握的内容上。

个性化学习走向“循证”

作业、测验和考试每天都在记录学生的学习变化。人工智能能否帮助个性化学习走得更深，取决于这些信息能否被持续利用，也取决于补练后的变化能否被看见。

“AI循证补缺”把发现问题、追溯知识缺口和再测验证链接起来。随着单次分析与生成练习的能力日益普及，教育应用还需要在学校的长期使用中回答一个更实际的问题：学生原有的知识缺口，是否真的得到了弥补？